给定不同面额的硬币 coins 和一个总金额 amount。编写一个函数来计算可以凑成总金额所需的最少的硬币个数。如果没有任何一种硬币组合能组成总金额,返回 -1。
示例 1:
输入: coins = [1, 2, 5], amount = 11
输出: 3
解释: 11 = 5 + 5 + 1
示例 2:
输入: coins = [2], amount = 3
输出: -1
class Solution {
public:
int coinChange(vector<int>& coins, int amount) {
vector<long> dp(amount + 1, INT_MAX);
//long dp[amount+1] ={INT_MAX};
// 置成long 是因为 dp[i - coins[j]] + 1 可能会越界。
dp[0] = 0;
for(int i = 1; i < amount + 1 ; i++) {
dp[i] = INT_MAX;
for(int j = 0; j < coins.size(); j++) {
if(i >= coins[j]) {
dp[i] = min(dp[i], (dp[i - coins[j]] + 1));
}
}
}
return dp[amount] == INT_MAX ? -1 : dp[amount] ;
}
};
/*
比较典型的动态规划问题。
假设 f(n) 代表要凑齐金额为 n 所要用的最少硬币数量,那么有:
f(n) = min(f(n - c1), f(n - c2), ... f(n - cn)) + 1
其中 c1 ~ cn 为硬币的所有面额。
----
再具体解释一下这个公式吧,例如这个示例:
输入: coins = [1, 2, 5], amount = 11
输出: 3
解释: 11 = 5 + 5 + 1
题目求的值为 f(11),第一次选择硬币时我们有三种选择。
假设我们取面额为 1 的硬币,那么接下来需要凑齐的总金额变为 11 - 1 = 10,即 f(11) = f(10) + 1,这里的 +1 就是我们取出的面额为 1 的硬币。
同理,如果取面额为 2 或面额为 5 的硬币可以得到:
f(11) = f(9) + 1
f(11) = f(6) + 1
所以:
f(11) = min(f(10), f(9), f(6)) + 1
dp[N] = MIN{dp[N-coins[0], dp[N-coins[1]],...dp[N-coins[N]] }+1;
*/